이 논문은 대형 언어 모델(LLM)의 풍부한 세계 지식과 도구 사용 및 추론 능력을 활용하여 복잡한 여행 계획 문제를 해결하는 프레임워크를 제안한다.
LLM은 자연어 입력을 JSON 형식으로 변환하고, 이를 바탕으로 SMT 문제를 생성하는 코드를 작성한다. SMT 솔버는 생성된 SMT 문제를 해결하여 여행 계획을 생성한다.
만약 입력 제약 조건이 충족될 수 없는 경우, SMT 솔버는 충족되지 않는 이유를 출력한다. LLM은 이 정보를 바탕으로 사용자와 상호작용하며 제약 조건을 수정하여 만족할 수 있는 여행 계획을 생성한다.
이 프레임워크는 TravelPlanner 벤치마크에서 97%의 성공률을 달성했으며, 새로운 제약 조건 유형에도 잘 일반화되는 것으로 나타났다.
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Yilun Hao,Yo... kl. arxiv.org 04-19-2024
https://arxiv.org/pdf/2404.11891.pdfDybere Forespørgsler